多格式文档切片策略
- PDF：按段落+标题切片，chunk_size=500
- Word：按章节切片，保留层级结构
- PPT：按页切片，提取标题+要点
- 建议overlap=100，保留上下文
向量数据库选择
- 轻量：Chroma（内置，开箱即用）
- 中型：Milvus（支持百万级向量）
- 重型：pgvector（PostgreSQL扩展）
召回率调优
- 混合检索：向量+关键词BM25
- 重排序：CrossEncoder精排
- Top-K调优：测试3-5-10不同值
- 避免"一本正经胡说八道"
权限与多租户
支持基于角色的访问控制，适合企业内部知识库场景。